Optimización del Movimiento de Contenedores Vacios Bajo Incertidumbre

Abstract

En la actualidad, el flete marítimo es una actividad fuertemente ligada al desarrollo comercial entre distintos agentes alrededor del mundo. Permite, entre otras cosas, la expansión hacia nichos y mercados que de otra forma serían imposibles de alcanzar y con costos menores en relación a otros medios de transporte. El uso de contenedores, y por ende la logística de ellos, es clave en este aspecto, pues son el elemento básico de esta industria. Consideramos el caso de Compañía Sudamericana de Vapores (CSAV), empresa de transporte marítimo que posee puntos de operación en diversas zonas geográficas del planeta. En cada uno de éstos, la compañía mantiene un stock de contenedores vacíos de distinto tipo con la finalidad de suplir la demanda por ellos. Cuando un cliente solicita un contenedor, este es llenado con la carga y transportado en una nave hacia otra localidad, donde se desembarca y es devuelto vacío a la compañía. Si bien casi siempre los contenedores son retornados a manos de la empresa, esto no siempre ocurre en el lugar o momento indicado, creando situaciones de exceso de ellos en algunas zonas y falta en otras, efecto denominado desbalance comercial. Por esto, la compañía realiza movimientos de reposición de manera de distribuir eficientemente los contenedores entre sus puntos de operación. Dado que la demanda tiene un elemento de incertidumbre importante, es necesario el desarrollo de una planificación de inventario y resposicionamiento que considere este factor. En este trabajo extendemos algunos aspectos del sistema de apoyo a las decisiones que CSAV ha implementado recientemente. Como primer paso, proponemos una formulación alternativa para el problema básico de movimiento de contenedores, el cual reduce en forma sustancial los tiempos de ejecución en relación a la formulación usual. Luego derivamos modelos robustos ante demanda, retorno y tiempos de viaje inciertos. Finalmente proponemos un modelo robusto ajustable para la relajación lineal del problema con demanda y retorno inciertos. Los experimentos numéricos indican que esta última metodología disminuye el costo nominal de las soluciones robustas, lo que es apoyado mediante simulaciones en distintas instancias.